shapで waterfallやdependence_plotを出したいが心当たりのないエラーが出る

前提

AIの分類機を作っていますが、解釈をするためSHAPを出そうとしています。
練習用にshap.datasets.adult()を使って、他人の成功したコードのコピペで進めています。
ところが
１waterfall
２dependence_plot　で心あたりのないエラーが出てしまいます。

発生している問題・エラーメッセージ

Waterfall

TypeError Traceback (most recent call last)
~\AppData\Local\Temp/ipykernel_7752/3313443298.py in <module>
4 shap_values=shap_values[1][index,:],
5 features=X_train.iloc[index,:],
----> 6 show=True
7 )

TypeError: waterfall() got an unexpected keyword argument 'expected_value'

dependence_plot

ValueError: Passing parameters norm and vmin/vmax simultaneously is not supported. Please pass vmin/vmax directly to the norm when creating it.


### 該当のソースコード
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import shap
from sklearn.model_selection import train_test_split
from sklearn.metrics import  accuracy_score
import lightgbm as lgb
%matplotlib inline

#データセットの読込
X,y = shap.datasets.adult()
X_display,y_display = shap.datasets.adult(display=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=7)
X_test_display = X_display.iloc[X_test.index,:]

#ご参考　X_displayの中身
X_display.head()
![イメージ説明](https://ddjkaamml8q8x.cloudfront.net/questions/2022-03-30/96929d8d-e802-4b69-9e9a-f13d416d9e9c.jpeg)

#モデル構築
lgb_train = lgb.Dataset(X_train,  label=y_train)
lgb_test = lgb.Dataset(X_test, label=y_test)
params = {
   "objective": "binary",
 "metric": "binary_logloss",
}
lgb_model = lgb.train(params, lgb_train, 10000, valid_sets=lgb_test, early_stopping_rounds=50, verbose_eval=1000)
pred = lgb_model.predict(X_test)
print(accuracy_score(np.round(pred),y_test))

#SHAP
shap.initjs()
explainer = shap.TreeExplainer(model=lgb_model)
shap_values = explainer.shap_values(X=X_test)

#個々のデータを評価した理由を示す →問題なく描画される
shap.force_plot(explainer.expected_value[1], shap_values[1][0,:], X_test_display.iloc[0,:],link="logit")

#分布→ →問題なく描画される
shap.force_plot(explainer.expected_value[1], shap_values[1][0:1000,:], X_test_display.iloc[0:1000,:],link="logit")


＃waterfall →エラー
index = 1
shap.waterfall_plot(
    expected_value=explainer.expected_value[1], 
    shap_values=shap_values[1][index,:], 
    features=X_train.iloc[index,:],
    show=True
)

#dependence plot →エラー
shap.dependence_plot("Age", shap_values[1], X_test,display_features=X_test_display)


### 補足情報（FW/ツールのバージョンなど）
jupyter　を使っています

行動規範の内容に同意します

回答1件

shap.dependence_plot に関しては matplotlib の仕様変更に shap 側が対応できていないようで、Kaggle では matplotlib を 3.3.0 より前のものに downgrade する解決策が提示されていました。
（この対応で、shap.waterfall_plot の問題もついでに直るかもしれません。）
https://www.kaggle.com/questions-and-answers/302176
https://matplotlib.org/3.3.0/api/api_changes.html

python
1!pip uninstall matplotlib -y
2!pip install matplotlib==3.1.3
3print("Finished")
4#uninstall the latest matplotlib and install the older version like 3.1.3